资源描述：
《基于apriori算法及欧几里德距离聚类的哮喘方药及治法分析》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。
1、基于Apriori算法及欧几里德距离聚类的哮喘方药及治法分析作者：张欢,范欣生,王崇骏,赵凤英,卞雅莉,陶静【关键词】哮喘；文献研究；数据挖掘 支气管哮喘是一种复杂的慢性气道炎症,以呼吸困难和喘息反复发作为特征,被世界卫生组织列为四大顽症之一。中医药在哮喘的病因病机、辨证论治、治法方药等方面都积累了大量的临床经验和文献资料,对这些资料进行整理,运用数据挖掘等方法来发现其中深层次的规律和价值,有助于我们更好地对其加以研究与应用。在前期工作中,我们应用关联规则中频繁项集的方法,对古今哮喘方药的配伍规律进行了分析,找到其各自配伍的特点以及两者之间的异同,探讨了临床用药规
2、律的发展变化[1]。现在我们运用基于Apriori算法及欧几里德距离聚类的方法,进一步对哮喘文献中的治法进行分析。 1资料来源 1.1数据来源14 在《中医方剂大辞典》、《中医方剂数据库》以及现代文献中收集的哮喘方剂的基础上,构建哮喘方剂数据库,建立哮喘方剂数据库和分层聚类与关联的检索形式。通过对近万首方剂的筛选,选择其中对支气管哮喘发作期症状指认度清晰的方剂,进行数据分析。 古方的方源包括《金匮要略》、《诸病源候论》、《备急千金要方》、《外台秘要》、《普济本事方》、《三因极一病证方论》、《玉案》、《寿世保元》、《普济方》、《仙拈集》、《医学集成》、《片玉心
3、书》、《证治汇补》、《惠直堂方》、《医学心悟》、《医方类聚》、《景岳全书》、《幼幼新书》等。今方选自成药处方集、公开发表的临床疗效报道或者医案,如《全国中药成药处方集》、《中国中医急症》、《国医论坛》、《中医药临床杂志》、《中国医药学报》、《实用中医内科杂志》、《中国中医药信息杂志》、《古今名方》、《首批国家级名老中医效验秘方精选》等。 收纳标准：古方选择以治疗“哮”、“哮吼”、“呷嗽”、“喘鸣”等证候或者表现为支气管哮喘症状的方剂为标准；今方选择以具备明确的支气管哮喘的诊断标准、完整的药物组成及剂量、临床病例达25例以上为标准。 排除标准：无药物组成、药物组成
4、不完整、主治证不明确、主治证过于庞杂或针对性不强的方剂均不予收录。 1.2数据处理14 根据《中华本草》对药名进行规范处理,如“甜葶苈”、“苦葶苈”统一为“葶苈子”,“芎·”统一为“川芎”,“云苓”统一为“茯苓”,“苦杏仁”统一为“杏仁”,“麦蘗”统一为“麦芽”,“萝卜子”统一为“莱菔子”,“橘皮”统一为“陈皮”,“京知母”统一为“知母”等。 利用Excel表建立哮喘方药数据库(见表1)表1方药输入格式,其中第1列为方名,第1行为药名,方中有该药就在药名下输入1,无该药则输入0。 2数据挖掘方法 2.1相关定义 聚类指将数据对象分组成为多个簇,在同一个簇
5、中的对象之间具有较高的相似度,而不同簇中的对象差别较大。通常采用距离来作为对象间相似度的度量方式,这里运用欧几里德距离,其定义如下： 欧几里德距离越短,说明两个簇之间的相似度越大,而在方剂相似度的比较中,相同的药物越多,两首方剂的关系就越密切。因此,我们同时引进了Apriori算法,提出一种基于Apriori算法和最短欧几里德距离聚类的方法。14 算法思路是：求数据集D的最大频繁项集l1,然后将数据集D中包含l1的所有事务放进簇C1；将簇C1中的所有事务从数据集D中删除,然后在剩下的数据集上重复以上操作,直至找不到最大频繁项集或数据集为空。 2.2算法描述
6、在数据集D中,事务Ti和Tj之间的相似度定义为： 其中,Ti(Ik＝1)表示事务Ti在属性Ik上的取值是否为1,为1时Ti(Ik＝1)＝true,否则Ti(Ik＝1)＝false。其中数据集算法思路同上。描述如下： 算法：基于最大频繁项集的单层聚类算法 输入：哮喘方剂数据集D 输出：聚类出的类别 ①Vectorcluster；//存放聚类结果14 ②Do｛ ③用Apriori算法对整个数据集生成频繁项集,找出满足支持度计数(supportNumber)的最大频繁项集X[X＝(I1,I2,I,In),其中Ij为一条事务的属性] ④将包含项集X的所有事务
7、划分到一个类Ci中 ⑤Cluster.add(Ci) ⑥将Ci中的事务从数据集D中删去 ⑦While(数据集D不为空并且最大频繁项集X不为空) ⑧If(数据集D不为空)将剩余的事务归为一类 ⑨Returncluster 3结果 本研究共搜集治疗发作期哮喘的方剂423首,用药407种,将所有的药物进行聚类。定义共同药物的个数,分别得到以下几种结果。14 3.18个共有药物的聚类 Class0：白果,半夏,甘草,黄芩,款冬花,麻黄,苏子,杏仁 Class1：白果,半夏,补骨脂,茯苓,黄芪,麻黄,五味子,淫羊藿 3.27个共有药物的聚类 Cla
